跳到正文
  1. 首页
  2. PDF OCR 文字识别

PDF OCR 文字识别

PDF OCR 文字识别:把扫描文档变成可以复制文字的可搜索 PDF,另附纯文本文件。在您的设备上运行,不限页数。

不上传任何内容 免费,无需账号 不限页数

工作原理:

  • 提取文本: 使用 Tesseract OCR 从扫描的图像或 PDF 中识别文本。
  • 可搜索输出: 创建一个带有不可见文本层的新 PDF,使您的文档完全可搜索,同时保留原始外观。
  • 字符过滤: 使用白名单过滤掉不需要的字符并提高特定文档类型(发票、表单等)的准确性。
  • 多语言支持: 为包含混合语言内容的文档选择多种语言。

点击选择文件 或将文件拖放到此处

您的文件从未离开您的设备。

如何对 PDF 进行 OCR

  1. 添加扫描版 PDF

    长度不限。文件留在您的设备上。

  2. 选择语言

    勾选文档中出现的语言。您会看到需要下载多少语言数据,以及大约需要多长时间。

  3. 开始 OCR

    逐页显示进度,可以随时取消。

  4. 保存 PDF 或文字

    下载可搜索的 PDF、.txt 文本文件,或直接复制文字。

功能一览

Search for "total": no results
识别前
Same page, now with text: search, select, copy
识别后
OCR 结果包含什么
您得到 是什么 用途
可搜索的 PDF 原有页面,文字上覆盖一层隐形文字 搜索、复制、存档、发送
文本文件(.txt) 所有识别出的文字,按页排列,没有排版 引用、笔记、把文字放进其他应用

OCR,即光学字符识别,能读出页面图像中的文字,把它变成电脑可以搜索的文本。扫描版 PDF 只是一些图片,无法搜索,也不能选中句子或复制数字。做过 OCR 之后就可以了。本工具在浏览器中完成识别,不限页数,文档从不上传。

让扫描版 PDF 可以搜索

结果看起来和您的扫描件完全一样,因为原页面都保留着。在图像下面,一层隐形的识别文字放在每个词出现的位置,所以搜索会高亮正确的地方,选中文字时也能选到您看到的词。要判断 PDF 是否已经有文字,试着选中一行:选不中就需要 OCR。

选择 OCR 语言

识别需要知道会出现哪种文字和词语,所以请选择文档中出现的每一种语言,例如双语表格就选英语和西班牙语。可选 100 多种语言,包括中文、日语、韩语、阿拉伯语、希伯来语和印地语。每种语言只需下载一次,通常几 MB,之后由浏览器保存;开始前会显示大小。选择文档中没有的语言会让识别更慢、更不准确。

影响 OCR 准确度的因素

对于 300 dpi、干净端正的印刷文字扫描件,几乎每个词都能正确识别。手机拍的模糊照片、低分辨率、歪斜或卷曲的页面、印刷很淡、彩色背景、特殊字体和线条密集的表格都会降低准确度。手写字基本无法识别。在高级设置中提高分辨率有助于识别小字,但需要更多时间。您要用到的姓名和数字,请务必核对。

工作原理

每一页都在您的浏览器中绘制成图像,由运行在您设备上的开源 OCR 引擎 Tesseract 读取。识别出的文字及其位置作为隐形文字层写入 PDF 副本,同时汇总到文本文件中。笔记本电脑处理一页只需几秒;手机会慢一些。长文档需要更长时间,但没有限制,开始前的预计时间会告诉您大概要多久。

常见用途,以及不适用的情况

扫描的合同和信件、旧书和论文、记账用的收据和发票、学校讲义、档案馆的记录,以及以后想在电脑上搜索的任何资料。

  • 不会重建排版。可搜索的 PDF 保留原样;文本文件是纯文本。要编辑文档,之后请用PDF 转 Word。
  • 手写字基本无法识别。
  • 已有文字的 PDF不需要 OCR;要获取其中的文字,请用PDF 转文字。
  • 在手机上处理长任务时,请保持屏幕亮着、标签页开着,否则浏览器会暂停任务。

常见问题解答

PDF 的 OCR 是什么?
就是文字识别:读取扫描页中的文字,作为真正的文字加进 PDF,这样就能搜索和复制。
怎样让 PDF 可以搜索?
在本页添加文件,选择文档的语言,点击“开始 OCR”。完成后下载可搜索的 PDF。
怎样判断 PDF 有没有文字层?
试着选中一行文字,或搜索一个看得见的词。如果选不中也搜不到,说明页面是图片,需要 OCR。
为什么 OCR 没有识别出全部文字?
通常是扫描件模糊、歪斜或分辨率低,或者没选上某种语言。请试试更高的分辨率,并选对语言。
OCR 会保留排版吗?
可搜索的 PDF 看起来和扫描件完全一样。文本文件只有文字,没有排版。
OCR 能识别手写字吗?
基本不能。它是为印刷文字设计的;工整的大写字母有时可以识别。
有页数限制吗?
没有。长文档只是需要更长时间,开始前会显示预计时间。
我的文件会被上传吗?
不会。识别在您的浏览器中进行。只有语言数据需要下载一次,您的文档始终不会离开您的设备。

更新于 页面和语言数据加载后可离线使用